Adaptive Bewegungsplanung für taktische Entscheidungen autonomer Fahrzeuge im urbanen Umfeld: Der generische Hybrid A*

Im Zentrum dieser Arbeit steht die Präsentation des generischen Hybrid A*-Algorithmus, welcher ein graphenbasiertes Suchverfahren zur Bewegungsplanung eines beweglichen Agenten darstellt. Mit den dabei vorgestellten Methoden wird der originäre Hybrid A*-Algorithmus weiterentwickelt, welcher ursprünglich als Pfadplaner für ein autonomes Fahrzeug eingeführt wurde. Die wesentlichen Modifikationen betreffen dabei zum einen die Berücksichtigung von statischen Umgebungsinformationen, welche hier durch die Berechnung eines Freibereichspolygons in abstrahierter Form dargestellt werden. Dies erlaubt nicht nur eine generische Anwendung des eigentlichen Suchalgorithmus auf eine beliebige Datengrundlage, sondern führt insbesondere für Daten aus Punktwolken auch schnell zu einem spürbaren Effizienzvorteil. Zusammen mit allen dynamischen Umgebungskomponenten wird das Freibereichspolygon zum anderen genutzt, um ein verallgemeinertes Voronoi-Potentialfeld zu definieren. Innerhalb des Suchverfahrens stellt dieses eine kontinuierliche Bewertung der zeitabhängigen Konfiguration des betrachteten Agenten bezüglich dessen Umwelt dar und setzt zeitgleich eine binäre Kollisionsüberprüfung um.
Die numerische Evaluierung des generischen Hybrid A*-Algorithmus wird im Kontext des autonomen Fahrens in urbanen Situationen durchgeführt. Dabei werden zum einen simulierte Szenarien betrachtet, bei denen ein besonderer Schwerpunkt auf den Verlauf des Suchverfahrens, die Qualität der resultierenden Lösungen sowie die benötigte Zeit für deren Berechnung gelegt wird. Zum anderen wird gezeigt, wie das Verfahren als Grundlage für die Bewegungsplanung und kurzfristige Entscheidungsfindung eines vollständig autonomen Fahrzeugs eingesetzt werden kann. Dies wird anhand von zwei autonomen Fahrten eines realen Forschungsfahrzeuges unter urbanen und dynamischen Rahmenbedingungen demonstriert.